腾讯混元团队于11月16日宣布正式推出Hy4 flash模型,官方将其定位为迄今性价比最高的Hy系列模型。该模型总参数量为224B,其中包含64B Engram参数,每个token激活12B参数,支持多模态输入与100万token上下文长度,API价格较Hy4大幅降低。在官方构建的WorkBuddy典型任务评测集WorkIndex上,Hy4 flash的单任务成本仅为Hy4 preview的1/13、Hy4的1/20。
从架构层面看,Hy4 flash在预训练阶段引入了混合注意力、LatentMoE与Engram三种设计。其中Engram是一种可扩展的查表式参数模块,用于以较低算力成本扩充模型容量。得益于上述架构,模型推理时的KV cache大小降至Hy3的1/24、Hy4的1/6,显存占用显著下降,为低成本部署提供了基础。
后训练阶段,混元团队通过自蒸馏Hy4获得综合智能水平,再经强化学习将端到端任务输出长度压缩50%。推理阶段则结合megakernel、4bit量化与dflash等手段,解码速度超过150 tps,支持大规模低成本部署运营。腾讯表示,Hy4 flash的高性价比来自预训练、后训练和推理三个阶段的协同优化,而非单一环节的取舍。
在效果评估上,官方给出的对比框架侧重日常工作的产物效果、单轮输出长度与端到端用时,而非公开榜单分数。WorkIndex评测显示,Hy4 flash综合效果略优于Hy4 preview,单任务成本为Hy4 preview的1/13、Hy4的1/20,以及DeepSeek-V4.1-Flash-1017(max档位、忙时价格)的1/8。为衡量真实使用体验,腾讯邀请85位WorkBuddy内部用户在27类共259个日常工作任务上进行盲测,结果显示Hy4 flash的用户满意度接近Claude Haiku 5.5,单任务成本显著低于参与对比的所有模型,任务时长也最短。
产品落地方面,Hy4 flash已在腾讯云TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis等产品上线,并即将接入OpenRouter。定价策略上,2026年11月30日前,用户可在WorkBuddy限时免费使用,腾讯云TokenHub API提供限时5折优惠。
腾讯对适用场景给出了明确划分:深度搜索、文档处理、PPT生成、简单前端展示、Computer Use等日常任务建议使用Hy4 flash,长程软件工程等复杂任务则交由智能上限更高的Hy4。这一分工意味着混元正在以模型矩阵而非单一模型的方式覆盖不同算力成本与任务复杂度的组合。官方同时表示,计划开源Hy4 flash并保持高频迭代。
从行业视角看,Hy4 flash的发布延续了国内大模型厂商在推理成本上的竞争态势。通过稀疏激活、查表式参数扩充与量化推理的组合,厂商试图在保持可用效果的前提下把单任务成本压至此前版本的数十分之一,这对以调用量计费的Agent类产品和日常办公场景具有直接影响。开源计划若能落地,也将为开发者提供一个新的低成本基座选项。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。